公开(公告)号：CN112381060A

公开(公告)日：2021-02-19

申请号：CN202011405061.8

申请日：2020-12-04

Applicant: 哈尔滨工业大学

Inventor： 黄永 ,  于建琦 ,  林旭川 ,  李惠

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的建筑物地震破坏等级分类方法，涉及地震工程领域，首先，基于区域内单体建筑的拍摄，获得其地震破坏和损伤图像，然后通过基于深度学习的图像分割神经网络快速准确地对所摄图像中的建筑物实行分割，即将受震建筑物从复杂图像背景中进行提取；而后通过基于深度学习的图像分类神经网络对分割出的建筑物进行受震损伤分类。本发明可以快速高效地对受震区域内的建筑进行准确地损伤分类，基于深度学习的图像分类方法，可以利用深度神经网络的计算能力以及快速的决策能力，代替现场人工评估，大幅度减少时间和精力耗费，在保证准确率的情况下对大范围的受震区域内建筑是否倒塌进行高效判断。

公开(公告)号：CN112381060B

公开(公告)日：2022-05-20

申请号：CN202011405061.8

申请日：2020-12-04

Applicant: 哈尔滨工业大学

Inventor： 黄永 ,  于建琦 ,  林旭川 ,  李惠

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的建筑物地震破坏等级分类方法，涉及地震工程领域，首先，基于区域内单体建筑的拍摄，获得其地震破坏和损伤图像，然后通过基于深度学习的图像分割神经网络快速准确地对所摄图像中的建筑物实行分割，即将受震建筑物从复杂图像背景中进行提取；而后通过基于深度学习的图像分类神经网络对分割出的建筑物进行受震损伤分类。本发明可以快速高效地对受震区域内的建筑进行准确地损伤分类，基于深度学习的图像分类方法，可以利用深度神经网络的计算能力以及快速的决策能力，代替现场人工评估，大幅度减少时间和精力耗费，在保证准确率的情况下对大范围的受震区域内建筑是否倒塌进行高效判断。